Semirishni faqat shaxsiy tanlov bilan izohlash nima sababdan yetarsiz bo‘lishi mumkin?

Semirish va 2-toifa diabet bo‘yicha jamoat salomatligi muhokamalari ko‘pincha inson nima yeyishi, qancha mashq qilishi va turmush tarzi tanlovlariga qaratiladi[cite: 5].

Ushbu yondashuv muhim bo‘lsa-da, inson tanlov qiladigan atrof-muhitni e’tibordan chetda qoldirishi mumkin[cite: 5].

Agar mahallada yangi sabzavot, meva va asosiy foydali mahsulotlar sotadigan do‘konlar kam, aksincha fastfud restoranlari, yoqilg‘i quyish shoxobchalari do‘konlari va yuqori kaloriyali tayyor mahsulot sotuvchi joylar juda ko‘p bo‘lsa, sog‘lom tanlov nazariy jihatdan mavjud bo‘lsa ham, kundalik hayotda uni amalga oshirish ancha qiyinlashadi[cite: 5].

Shu sababli tadqiqot semirishni faqat shaxsiy iroda yoki bilim yetishmasligi doirasida emas, balki fizik oziq-ovqat infratuzilmasining taqsimoti orqali baholaydi[cite: 5].

Muallifning asosiy g‘oyasi quyidagicha[cite: 5]:

Muayyan hududda qanday oziq-ovqat borligi bilan bir qatorda, qaysi oziq-ovqat tanlovi tijoriy jihatdan ustunlik qilishi ham metabolik salomatlik natijalariga kuchli ta’sir ko‘rsatadi[cite: 5].

Oziq-ovqat cho‘li va Oziq-ovqat botqog‘i o‘rtasidagi farq

Tadqiqot ushbu ikki tushunchani aniq ajratib beradi[cite: 5]:

Cho‘lda muammo — sog‘lom ozuqaning yo‘qligidir[cite: 5].

Botqoqda esa sog‘lom tanlov bo‘lishi mumkin; ammo fastfud va qulaylik do‘konlari (convenience stores) shu qadar zich joylashganki, iste’molchining odatiy tanlov muhiti muqarrar ravishda nosog‘lom mahsulotlar tomon og‘adi[cite: 5].

Shu bois bitta supermarket ochilishi atrofda o‘nlab fastfud do‘konlari tursa, vaziyatni tubdan o‘zgartira olmasligi mumkin[cite: 5].

Qaysi ma’lumotlar bazalaridan foydalanildi?

• USDA Food Environment Atlas: Okruglar darajasidagi oziq-ovqat savdo nuqtalari va ularning zichligi ko‘rsatkichlari[cite: 5].
• CDC Behavioral Risk Factor Surveillance System: Kattalardagi semirish va 2-toifa diabet tarqalganligi ma’lumotlari[cite: 5].

Oziq-ovqat botqog‘i nisbati (FSR) qanday hisoblandi?

Tadqiqotning asosiy hisoblash formulasi[cite: 5]:

\[ FSR_i = \frac{ \sum \text{Fastfud restoranlari}_i + \sum \text{Qulaylik do‘konlari}_i }{ \sum \text{Supermarketlar}_i + \sum \text{Oziq-ovqat do‘konlari}_i + \sum \text{Ixtisoslashgan oziq-ovqat do‘konlari}_i } \]

Formulada:

• \(FSR_i\) — i hududining Oziq-ovqat botqog‘i nisbati (Food Swamp Ratio)[cite: 5],
• Surat qismi — nosog‘lom, yuqori kaloriyali savdo nuqtalari soni[cite: 5],
• Maxraj qismi — sog‘lom va to‘laqonli mahsulot sotuvchi nuqtalar soni[cite: 5].

\(FSR > 1\) bo‘lgan hududlar nosog‘lom savdo nuqtalari sog‘lomlaridan son jihatdan ko‘proq bo‘lgan muhitni bildiradi[cite: 5].

Nisbatning yuqoriligi nimani anglatadi?

Masalan, bir hududda 20 ta fastfud, 10 ta qulaylik do‘koni, 5 ta supermarket, 5 ta do‘kon va 2 ta ixtisoslashgan do‘kon bo‘lsa[cite: 5]:

\[ FSR = \frac{20+10}{5+5+2} = \frac{30}{12} = 2{,}5 \]

Bu nosog‘lom variantlar sog‘lomlaridan 2,5 barobar ko‘p ekanini bildiradi (tushuntirish uchun shartli misol)[cite: 5].

Biroq FSR iste’molchining aynan nima sotib olayotgani, narxlar yoki mahsulot sifatini to‘g‘ridan-to‘g‘ri o‘lchamaydi; u faqat fizik savdo muhitining son muvozanatini aks ettiradi[cite: 5].

Nima uchun chiziqli regressiya o‘rniga XGBoost ishlatildi?

Semirish va atrof-muhit omillari o‘rtasidagi bog‘liqlik noaniq chiziqli (no-chiziqli) va murakkabdir[cite: 5]. XGBoost (gradient boosting) qarorlar daraxtlarini ketma-ket birlashtirib, no-chiziqli chegaralar va murakkab o‘zaro ta’sirlarni aniq modellashtiradi[cite: 5].

XGBoost maqsad funksiyasi[cite: 5]:

\[ Obj(\theta) = \sum_{i=1}^{n} L(y_i,\hat{y}_i) + \sum_{k=1}^{K} \Omega(f_k) \]

Bu yerda \(L\) — xatolik yo‘qotilishi, \(\Omega\) esa modelning haddan tashqari murakkablashib ketishiga (overfitting) qarshi jarima funksiyasidir[cite: 5]:

\[ \Omega(f) = \gamma T + \frac{1}{2} \lambda \sum_{j=1}^{T} w_j^2 \]

Modelga kiritilgan asosiy o‘zgaruvchilar: FSR, o‘rtacha xonadon daromadi, Diabet-botqoq o‘zaro ta’siri (\(DSI_i = FSR_i \times \text{Diabet tarqalishi}_i\)), mulk-daromad o‘zaro ta’siri hamda yosh/irq tuzatishlari[cite: 5].

Besh guruhli geografik taqsimot natijalari

Hududlar FSR ko‘rsatkichi bo‘yicha 5 guruhga ajratilganda quyidagi manzara aniqlangan[cite: 5]:

Eng past va eng yuqori guruhlar o‘rtasidagi semirish farqi 20,8 foiz punktni (43,2% − 22,4%) tashkil etgan[cite: 5].

XGBoost tahlili FSR ning semirishni bashorat qilishdagi vazni xonadonlarning o‘rtacha daromadidan ham yuqoriroq ekanini ilgari suradi[cite: 5]. Shuningdek, og‘ir botqoq hududlari qora tanli va ispan tilli jamoalarda, shuningdek AQSHning O‘rta G‘arb va Janubiy hududlarida ko‘proq to‘plangani bildirilgan[cite: 5].

Siyosiy va amaliy tavsiyalar

Muallif FSR ko‘rsatkichini shaharsozlik va hududiy rejalashtirish (zoning) qoidalariga kiritishni tavsiya qiladi[cite: 5]:

• FSR 1,5 dan oshgan zonalarda yangi fastfud do‘konlari ochilishiga cheklovlar qo‘yish[cite: 5],
• Sog‘lom va yangi mahsulot sotuvchi do‘konlarga soliq imtiyozlari va grantlar berish[cite: 5],
• Zararli oziq-ovqat tarmoqlariga mahalliy infratuzilma soliqlari joriy etish[cite: 5],
• Medicare/Medicaid doirasida yuqori FSR hududlariga profilaktik salomatlik resurslarini oldindan yo‘naltirish[cite: 5].

Tadqiqotning cheklovlari: maqola SSRN da e’lon qilingan preprint bo‘lib, taqrizdan o‘tmagan; tahlil qilingan okruglar soni va aniq yillari ko‘rsatilmagan; modelning xatolik ko‘rsatkichlari (R², RMSE) va SHAP grafiklari matnda to‘liq keltirilmagan; ekologik xatolik (ecological fallacy) xavfi mavjud, chunki hududiy ma’lumotlar shaxsiy iste’molni to‘liq ifodalamaydi[cite: 5].

Tadqiqot uslubi va natijalari

Manba va uslubiy izoh

Ushbu maqola Amal Sanjay Jayn (Amal Sanjay Jain) tomonidan 2026-yil 21-aprelda tayyorlangan “Spatial Inequities in Food Environments: A Predictive Machine Learning Framework for Auditing Obesogenic Landscapes and Chronic Metabolic Health in the United States” nomli ishga asoslangan[cite: 5].

Ushbu manba SSRN platformasidagi preprint maqola bo‘lib, mustaqil ilmiy taqrizdan o‘tmagan[cite: 5]. Tadqiqot hududiy darajadagi fazoviy va mashinaviy o‘rganish modellariga asoslangan bo‘lib, to‘g‘ridan-to‘g‘ri individual sabab-oqibatni isbotlamaydi[cite: 5].